CN109241959A - 一种车牌识别结果智能纠正方法 - Google Patents

一种车牌识别结果智能纠正方法 Download PDF

Info

Publication number
CN109241959A
CN109241959A CN201810955797.9A CN201810955797A CN109241959A CN 109241959 A CN109241959 A CN 109241959A CN 201810955797 A CN201810955797 A CN 201810955797A CN 109241959 A CN109241959 A CN 109241959A
Authority
CN
China
Prior art keywords
cards
organ
code name
mapping
province
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810955797.9A
Other languages
English (en)
Other versions
CN109241959B (zh
Inventor
高飞
蔡益超
葛粟
葛一粟
卢书芳
张元鸣
张永良
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN201810955797.9A priority Critical patent/CN109241959B/zh
Publication of CN109241959A publication Critical patent/CN109241959A/zh
Application granted granted Critical
Publication of CN109241959B publication Critical patent/CN109241959B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/98Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G06V10/987Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns with the intervention of an operator
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10Character recognition
    • G06V30/14Image acquisition
    • G06V30/148Segmentation of character regions
    • G06V30/153Segmentation of character regions using recognition of characters or words
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/62Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625License plates

Abstract

本发明公开了一种车牌识别结果智能纠正方法,包括如下步骤:步骤1:构建31个省、自治区、直辖市汉字简称与发牌机关代号的映射表C;构建车牌字符集合P;步骤2:取m张车牌图像,利用自动车牌识别技术,得到对应识别结果Ui;然后人工进行识别,步骤3:根据步骤2得到的误识别矩阵Mn×n,首先统计集合P中所有字母被误识别的概率,得到集合R然后基于集合R,计算误识权重集合,步骤4:获得一张车牌经自动车牌识别技术识别后的结果字符串L,将L中的字符依次按序加入空集H,步骤5:对步骤4得到的车牌字符集合H,进行识别结果纠正,本发明的有益效果是:该方法可以对常见单行蓝牌和单行黄牌的识别结果进行智能纠正,减轻人力工作量。

Description

一种车牌识别结果智能纠正方法
技术领域
本发明涉及智能交通识别技术领域,具体涉及一种车牌号码图像自动识别结 果的智能纠正方法。
背景技术
GA36规定了机动车号牌的分类、规格、颜色、适用范围、式样、技术要求、 试验方法、检验规则、包装、更换、放大号和监督管理。与GA36-2014相关的标 准有GB/T-2260(中华人民共和国行政区划代码)和GA-802(机动车类型、术语 和定义)等。
机动车号牌(license plate ofmotor vehicle)准予机动车在中华人民共和国境内道路上行驶的法定标志,其号码是机动车登记编号。办理机动车登记业务时, 按规则给机动车确定的编号。机动车登记编号包含:用汉字表示的省、自治区、 直辖市简称、用英文字母表示的发牌机关代号、由阿拉伯数字和英文字母组成的 序号以及用汉字表示的专用号牌简称。其中汉字简称和英文代号存在确定的映射 关系,数字和字母组成的序号具有确定的编码规则,目前有三种,分别是:a)序 号中的每一位都使用阿拉伯数字;b)序号中使用1位英文字母,其他位为阿拉伯 数字,26个英文字母中O和I不能使用;c)序号中使用2位英文字母,其他位 为阿拉伯数字,26个英文字母中O和I不能使用。
在过去的二十年里,车牌识别技术在识别精度和算法效率上都有了很大的提 高。随着智慧交通系统相关技术的不断进步,自动车牌图像识别被认为是一个拥 有成熟解决方案的已解决的问题。交通流量分析、车辆测速、车辆违章检测是诸 多基于车牌识别技术的应用的代表。然而,实际中车牌的制式规格非常多,车牌 字体、颜色有着明显差异,车牌字符长度不一。此外,车牌识别方法容易受到光 照、分辨率、成像视角、阴影等环境因素的干扰。因此,实际应用中自动车牌识 别的结果仍容易出现错误,尤其是随机自然场景下的车牌识别。
寻求一种基于目前自动车牌识别基础上的纠正方法,在不修改识别算法的情 况下进一步提高车牌识别结果的准确度和可靠性,是本领域近年来亟待解决的技 术难题。目前已有的车牌识别结果纠正方法可以分为人工方法和智能方法两类。 人工方法需要人为地对车牌号码的识别结果进行复核及纠正。发明专利(申请人: 上海博康智能信息技术有限公司,名称:一种基于全鼠标操作的车牌号码识别结 果纠正方法)提供一种人工方法对车牌号码识别结果纠正的方法,该方法需要人 工对比车牌图像与自动识别结果以判断是否需要纠正,在需要纠正时,为不同的 车牌字符生成对应的不同形式的软键盘,提高了人工纠正效率。发明专利(申请 人:张忠义,名称:一种停车场出口车牌识别自动纠错的方法)提出一种半自动 的车牌识别纠正方法,通过在停车场入口处进行车牌识别的人工复核纠错,进而 为停车场出口处的车牌识别自动纠正提供了依据。
人工方法虽然减少了纠正的工作量,但需要的人力依旧较大,而且纠正失败 的概率也较大。智能方法能进一步解放人力,提高纠错的效率。
智能方法通过计算机全自动匹配计算达到车牌识别结果纠正的目的,进一步 节省了人力。发明专利(申请人:浙江工业大学,名称:交通抓拍自动识别车牌 号码的纠错方法)基于卡口处的过车记录,首先将识别结果与现有已发放车牌号 码进行匹配以判断识别是否出错,然后通过在当前执行车牌识别的卡口处构建一 个时空域,凭借多卡口联动进行进一步检错,最后对认定识别错误的车牌识别结 果进行纠正,具体的纠正策略由所构建的字符相似度矩阵和时空域共同提供。但 是,此方法限制条件较多,必须依赖多卡口数据的联动,而且在纠正策略上,搜 索空间巨大,效率不高。发明专利(申请人:安徽四创电子股份有限公司,名称: 一种基于车牌可信度的车牌自纠正识别方法)充分利用了现有车牌识别技术能够 提供的识别结果可信度信息,提供了车牌省份汉字简称的纠正方法,实现该识别结果的进一步优化,在降低人工劳动强度的同时提高识别准确性和可靠性。但是 该方法容易造成识别结果趋向地域化,对外省车辆不友好,而且该方法没有考虑 对发牌机关代号和车牌后五位序号的纠正。此外,车牌识别结果的置信度往往因 所采用的车牌识别技术而异,该方法鲁棒性不够高。
综上所述,目前车牌识别结果纠正方法存在着如下不足:1)人工纠正方法劳 动强度大;2)智能纠正方法依赖车牌识别系统提供的额外信息,如已发放车牌号 码、卡口过车记录和识别结果置信度等,适用场合受限;3)车牌制式多种多样, 自动纠正难度大。
发明内容
为克服现有技术的上述缺点,本发明提出一种车牌识别结果智能纠正方法。
本发明的技术方案如下:
一种车牌识别结果智能纠正方法,其特征在于,包括如下步骤:
步骤1:构建31个省、自治区、直辖市汉字简称与发牌机关代号的映射表C; 构建车牌字符集合P={ai|i=1,2,…,n,n=36}={‘0’,‘1’,‘2’,‘3’,‘4’,‘5’,‘6’,‘7’,‘8’,‘9’,‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘I’,‘J’,‘K’,‘L’,‘M’,‘N’,‘O’,‘P’,‘Q’,‘R’,‘S’,‘T’,‘U’,‘V’,‘W’,‘X’,‘Y’,‘Z’},n表示集合P中字符的数量;
步骤2:取m张车牌图像,记为I1,I2,…,Im;首先对Ii(i=1,2,…,m)利用自动 车牌识别技术,得到对应识别结果Ui(i=1,2,…,m);然后人工对Ii(i=1,2,…,m) 进行识别,得到对应识别结果Vi(i=1,2,…,m);接着逐一比对<Ui,Vi>(i=1,2,…,m), 得到Ni,k,其中Ni,k表示字符ai被误识别为字符ak的累计次数,i=1,2,…,n,k=1, 2,…,n,ai∈P,ak∈P;最后构建误识别概率矩阵Mn×n
Mn×n=[f(i,k)]n×n (1)
其中,f(i,k)表示字符ai被误识别为字符ak的概率;若i=k,则f(i,k)=0,否则,f(i,k)=Ni,k/S;S表示集合P中所有字符被误识别为其它字符的累计次数总和;
步骤3:根据步骤2得到的误识别矩阵Mn×n,首先统计集合P中所有字母被 误识别的概率,得到集合R={ri|i=11,12,…,n,},其中,ri表示字符 ai被误识别的概率;然后基于集合R,由公式(4)计算误识权重集合W={wi|i=1, 2,…,n},其中,wi表示字符ai被误识别的权重;接着,记Yi为对误识别概率矩阵 Mn×n第i行按f(i,k)从大到小的顺序重排列后由字符ak构成的集合;最后构建得 到易错字纠正映射表Q={qi|i=11,12,…,n},其中,qi由二元组(wi,Xi)构成,wi∈ W,Xi=Top(Yi,nT)={xt|t=1,2,…,nT},其中,xt表示集合Xi第t个字符,nT为人工设 置的值,Top(Yi,nT)表示集合Yi的前nT个字符构成的子集;
其中,ri∈R,wi∈W;
步骤4:获得一张车牌经自动车牌识别技术识别后的结果字符串L,将L中 的字符依次按序加入空集H,得到集合H={hi|i=1,2,3…,nH},其中,nH表示集 合H的元素个数,若nH≠7,识别结果不在纠正范围内,执行步骤6;
步骤5:对步骤4得到的车牌字符集合H,根据步骤1得到的映射表C和步 骤3得到的纠正表Q进行识别结果纠正,具体步骤为:
步骤5.1:取集合H的前两个字符元素h1和h2,若则执行步骤6; 否则,若满足a=h2,则汉字简称与发牌机关代号相匹配,执行步骤5.2; 否则,取集合按序遍历集合G,对满足a=g, 则将g加入集合G*;若G*≠φ,则用集合G*的第一个字母元素代替h2,然后执 行步骤5.2;否则,执行步骤6;其中,表示映射表C中由“h1”映射得到的 发牌机关代号集合,表示纠正表Q中由“h2”映射得到的易错字集合;
步骤5.2:取集合H的后五个字符元素h3、h4、h5、h6和h7,若则执行步骤6;否则,若Count(H)≤2,则表明后五位序号符合要求,执行步骤7; 若Count(H)>3,则执行步骤6;若Count(H)=3,则符合纠正的条件,首先从集合 W中获得h3、h4、h5、h6和h7的误识权重其次,按公式 (5)计算hs;然后遍历集合,仅将集合中的数字加入集合B,若B≠φ, 则用集合B的第一个数字元素代替hs,执行步骤7;其中Count(H)表示统计集合 H中后五位中的属于字母而非数字的元素个数,hs表示h3、h4、h5、h6和h7中误 识权重最大的字符,表示纠错表Q中由hs映射得到的易错字集合;
步骤6:纠正失败,算法结束;
步骤7:对步骤5.2得到的集合H,将集合H的字符元素按序串联得到纠正 的车牌识别结果字符串L*,算法结束。
所述的一种车牌识别结果智能纠正方法,其特征在于,所述步骤1中构建31 个省、自治区、直辖市汉字简称与发牌机关代号的映射表C={c,c,c,c,c,c, c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c}, 其中,c表示由“京”映射得到的北京市发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’, ‘F’,‘G’,‘H’,‘I’,‘J’,‘K’,‘L’,‘M’,‘N’,‘O’,‘P’,‘Q’,‘R’,‘S’,‘T’,‘U’,‘V’,‘W’,‘X’,‘Y’,‘Z’},c表示由 “津”映射得到的天津市发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘I’,‘J’, ‘K’,‘L’,‘M’,‘N’,‘O’,‘P’,‘Q’,‘R’,‘S’,‘T’,‘U’,‘V’,‘W’,‘X’,‘Y’,‘Z’},c表示由“冀”映射得到 的河北省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘I’,‘J’,‘R’,‘T’,‘O’},c表 示由“晋”映射得到的山西省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘H’,‘J’,‘K’, ‘L’,‘M’,‘O’},c表示由“蒙”映射得到的内蒙古自治区发牌机关代号集合,c={‘A’, ‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘O’},c表示由“辽”映射得到的辽宁省发牌 机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘P’,‘O’},c表示由 “吉”映射得到的吉林省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’, ‘O’},c表示由“黑”映射得到的黑龙江省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’, ‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘P’,‘R’,‘O’},c表示由“沪”映射得到的上海市发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘I’,‘J’,‘K’,‘L’,‘M’,‘N’,‘O’,‘P’,‘Q’,‘R’,‘S’,‘T’, ‘U’,‘V’,‘W’,‘X’,‘Y’,‘Z’},c表示由“苏”映射得到的江苏省发牌机关代号集合,c={‘A’, ‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘O’},c表示由“浙”映射得到的浙江省发 牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘O’},c表示由“皖”映 射得到的安徽省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’, ‘N’,‘P’,‘Q’,‘R’,‘S’,‘O’},c表示由“闽”映射得到的福建省发牌机关代号集合,c={‘A’, ‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘O’},c表示由“赣”映射得到的江西省发牌机关代 号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘O’},c表示由“鲁”映射得 到的山东省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘P’, ‘Q’,‘R’,‘S’,‘U’,‘V’,‘Y’,‘O’},c表示由“豫”映射得到的河南省发牌机关代号集合, c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘P’,‘Q’,‘R’,‘S’,‘U’,‘O’},c表示由“鄂” 映射得到的湖北省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’, ‘N’,‘P’,‘Q’,‘R’,‘S’,‘O’},c表示由“湘”映射得到的湖北省发牌机关代号集合,c={‘A’, ‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘S’,‘U’,‘O’},c表示由“粤”映射得到的广 东省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘P’,‘Q’,‘R’, ‘S’,‘T’,‘U’,‘V’,‘W’,‘X’,‘Y’,‘O’},c表示由“桂”映射得到的广西壮族自治区发牌机 关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘P’,‘R’,‘O’},c表示由“琼”映射得到的海南省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘O’},c表示由“渝”映射得到的重庆市发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘I’,‘J’, ‘K’,‘L’,‘M’,‘N’,‘O’,‘P’,‘Q’,‘R’,‘S’,‘T’,‘U’,‘V’,‘W’,‘X’,‘Y’,‘Z’},c表示由“川”映射得到 的四川省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘H’,‘I’,‘J’,‘K’,‘L’,‘M’,‘P’,‘Q’,‘R’, ‘S’,‘T’,‘U’,‘V’,‘W’,‘X’,‘Y’,‘Z’,‘O’},c表示由“贵”映射得到的贵州省发牌机关代号 集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘O’},c表示由“云”映射得到的云南省 发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘P’,‘Q’,‘R’,‘S’, ‘O’},c表示由“藏”映射得到的西藏自治区发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’, ‘E’,‘F’,‘G’,‘H’,‘J’,‘O’},c表示由“陕”映射得到陕西省发牌机关代号集合,c={‘A’, ‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘V’,‘O’},c表示由“甘”映射得到的甘肃省发牌机关 代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘P’,‘O’},c表示由“青”映射得到的青海省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘O’},c表 示由“宁”映射得到的宁夏回族自治区发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘O’},c表示由“新”映射得到的新疆维吾尔自治区发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘P’,‘Q’,‘R’,‘O’}。
本发明的有益效果是:该方法可以对常见单行蓝牌和单行黄牌的识别结果进 行智能纠正,减轻人力工作量,而且不需要依赖车牌识别系统提供的额外信息, 如已发放车牌号码库、卡口过车记录和识别结果置信度等信息,纠正过程的搜索 空间小,纠正效率高。
附图说明
图1为本发明的构建的省份简称汉字与发牌机关代号的映射表示意图;
图2为本发明的构建的易错字纠正映射表示意图;
图3为本发明的测试车牌图像。
具体实施方式
下面结合实施例来详细阐述本发明的车牌识别结果智能纠正方法的具体实施 方式。
步骤1:构建31个省、自治区、直辖市汉字简称与发牌机关代号的映射表C; 构建车牌字符集合P={ai|i=1,2,…,n,n=36}={‘0’,‘1’,‘2’,‘3’,‘4’,‘5’,‘6’,‘7’,‘8’,‘9’,‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘I’,‘J’,‘K’,‘L’,‘M’,‘N’,‘O’,‘P’,‘Q’,‘R’,‘S’,‘T’,‘U’,‘V’,‘W’,‘X’,‘Y’,‘Z’},n表示集合P中字符的数量;
步骤2:取m张车牌图像,记为I1,I2,…,Im;首先对Ii(i=1,2,…,m)利用自动 车牌识别技术,得到对应识别结果Ui(i=1,2,…,m);然后人工对Ii(i=1,2,…,m) 进行识别,得到对应识别结果Vi(i=1,2,…,m);接着逐一比对<Ui,Vi>(i=1,2,…,m), 得到Ni,k,其中Ni,k表示字符ai被误识别为字符ak的累计次数,i=1,2,…,n,k=1, 2,…,n,ai∈P,ak∈P;最后构建误识别概率矩阵Mn×n
Mn×n=[f(i,k)]n×n (1)
其中,f(i,k)表示字符ai被误识别为字符ak的概率;若i=k,则f(i,k)=0,否则,f(i,k)=Ni,k/S;S表示集合P中所有字符被误识别为其它字符的累计次数总和;在 本实例中,m=1000,所有m张车牌均为自动识别结果不能与人工标签匹配的情况 下所挑选;
步骤3:根据步骤2得到的误识别矩阵Mn×n,首先统计集合P中所有字母被 误识别的概率,得到集合R={ri|i=11,12,…,n,},其中,ri表示字符 ai被误识别的概率;然后基于集合R,由公式(4)计算误识权重集合W={wi|i=1, 2,…,n},其中,wi表示字符ai被误识别的权重;接着,记Yi为对误识别概率矩阵 Mn×n第i行按f(i,k)从大到小的顺序重排列后由字符ak构成的集合;最后构建得 到易错字纠正映射表Q={qi|i=11,12,…,n},其中,qi由二元组(wi,Xi)构成,wi∈ W,Xi=Top(Yi,nT)={xt|t=1,2,…,nT},其中,xt表示集合Xi第t个字符,nT为人工设 置的值,Top(Yi,nT)表示集合Yi的前nT个字符构成的子集;在本实例中nT=3,所构 建的纠错表Q如图2所示;
其中,ri∈R,wi∈W;
步骤4:获得一张车牌经自动车牌识别技术识别后的结果字符串L,将L中 的字符依次按序加入空集H,得到集合H={hi|i=1,2,3…,nH},其中,nH表示集 合H的元素个数,若nH≠7,识别结果不在纠正范围内,执行步骤6;在本实例 中,车牌图像如图3所示,L=“浙NN0EB1”;
步骤5:对步骤4得到的车牌字符集合H,根据步骤1得到的映射表C和步 骤3得到的纠正表Q进行识别结果纠正,具体步骤为:
步骤5.1:取集合H的前两个字符元素h1和h2,若则执行步骤6; 否则,若满足a=h2,则汉字简称与发牌机关代号相匹配,执行步骤5.2; 否则,取集合按序遍历集合G,对满足a=g, 则将g加入集合G*;若G*≠φ,则用集合G*的第一个字母元素代替h2,然后执 行步骤5.2;否则,执行步骤6;其中,表示映射表C中由“h1”映射得到的 发牌机关代号集合,表示纠正表Q中由“h2”映射得到的易错字集合;在 本实例中h1=‘浙’,h2=‘N’,c∈C,但是汉字简称与发牌机关代号不匹 配,于是取到集合∴G*={'K','H'},用‘K’代替‘N’,使h2=‘K’;
步骤5.2:取集合H的后五个字符元素h3、h4、h5、h6和h7,若则执行步骤6;否则,若Count(H)≤2,则表明后五位序号符合要求,执行步骤7; 若Count(H)>3,则执行步骤6;若Count(H)=3,则符合纠正的条件,首先从集合 W中获得h3、h4、h5、h6和h7的误识权重其次,按公式 (5)计算hs;然后遍历集合,仅将集合中的数字加入集合B,若B≠φ, 则用集合B的第一个数字元素代替hs,执行步骤7;其中Count(H)表示统计集合 H中后五位中的属于字母而非数字的元素个数,hs表示h3、h4、h5、h6和h7中误 识权重最大的字符,表示纠错表Q中由hs映射得到的易错字集合;在本实例中,h3=‘N’,h4=‘0’,h5=‘E’,h6=‘B’,h7=‘1’,Count(H)=3,符合纠正条件,经 计算,hs=h6,集合B={‘8’},因此hs=h6=‘8’;
步骤6:纠正失败,算法结束;在本实例中,该步骤不会被执行;
步骤7:对步骤5.2得到的集合H,将集合H的字符元素按序串联得到纠正 的车牌识别结果字符串L*,算法结束;在本实例中,此处H={‘浙’,‘K’,‘N’,‘0’,‘E’,‘8’, ‘1’},L*=“浙KN0E81”,完成车牌识别结果的纠正。
步骤1中构建31个省、自治区、直辖市汉字简称与发牌机关代号的映射表 C={c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c, c,c,c,c,c,c,c},其中,c表示由“京”映射得到的北京市发牌机关代号 集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘I’,‘J’,‘K’,‘L’,‘M’,‘N’,‘O’,‘P’,‘Q’,‘R’,‘S’,‘T’,‘U’,‘V’, ‘W’,‘X’,‘Y’,‘Z’},c表示由“津”映射得到的天津市发牌机关代号集合,c={‘A’,‘B’, ‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘I’,‘J’,‘K’,‘L’,‘M’,‘N’,‘O’,‘P’,‘Q’,‘R’,‘S’,‘T’,‘U’,‘V’,‘W’,‘X’,‘Y’,‘Z’}, c表示由“冀”映射得到的河北省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’, ‘H’,‘I’,‘J’,‘R’,‘T’,‘O’},c表示由“晋”映射得到的山西省发牌机关代号集合,c={‘A’, ‘B’,‘C’,‘D’,‘E’,‘F’,‘H’,‘J’,‘K’,‘L’,‘M’,‘O’},c表示由“蒙”映射得到的内蒙古自治区发 牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘O’},c表示由“辽” 映射得到的辽宁省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’, ‘N’,‘P’,‘O’},c表示由“吉”映射得到的吉林省发牌机关代号集合,c={‘A’,‘B’,‘C’, ‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘O’},c表示由“黑”映射得到的黑龙江省发牌机关代号集 合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘P’,‘R’,‘O’},c表示由“沪”映 射得到的上海市发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘I’,‘J’,‘K’,‘L’,‘M’, ‘N’,‘O’,‘P’,‘Q’,‘R’,‘S’,‘T’,‘U’,‘V’,‘W’,‘X’,‘Y’,‘Z’},c表示由“苏”映射得到的江苏省 发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘O’},c表示 由“浙”映射得到的浙江省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’, ‘K’,‘L’,‘O’},c表示由“皖”映射得到的安徽省发牌机关代号集合,c={‘A’,‘B’,‘C’, ‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘P’,‘Q’,‘R’,‘S’,‘O’},c表示由“闽”映射得到的福 建省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘O’},c表示由“赣” 映射得到的江西省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’, ‘O’},c表示由“鲁”映射得到的山东省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’, ‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘P’,‘Q’,‘R’,‘S’,‘U’,‘V’,‘Y’,‘O’},c表示由“豫”映射得到的河南省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘P’, ‘Q’,‘R’,‘S’,‘U’,‘O’},c表示由“鄂”映射得到的湖北省发牌机关代号集合,c={‘A’, ‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘P’,‘Q’,‘R’,‘S’,‘O’},c表示由“湘”映射得 到的湖北省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘S’, ‘U’,‘O’},c表示由“粤”映射得到的广东省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’, ‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘P’,‘Q’,‘R’,‘S’,‘T’,‘U’,‘V’,‘W’,‘X’,‘Y’,‘O’},c表示由“桂” 映射得到的广西壮族自治区发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’, ‘K’,‘L’,‘M’,‘N’,‘P’,‘R’,‘O’},c表示由“琼”映射得到的海南省发牌机关代号集合, c={‘A’,‘B’,‘C’,‘D’,‘E’,‘O’},c表示由“渝”映射得到的重庆市发牌机关代号集合, c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘I’,‘J’,‘K’,‘L’,‘M’,‘N’,‘O’,‘P’,‘Q’,‘R’,‘S’,‘T’,‘U’,‘V’,‘W’, ‘X’,‘Y’,‘Z’},c表示由“川”映射得到的四川省发牌机关代号集合,c={‘A’,‘B’,‘C’, ‘D’,‘E’,‘F’,‘H’,‘I’,‘J’,‘K’,‘L’,‘M’,‘P’,‘Q’,‘R’,‘S’,‘T’,‘U’,‘V’,‘W’,‘X’,‘Y’,‘Z’,‘O’},c表示由 “贵”映射得到的贵州省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’, ‘O’},c表示由“云”映射得到的云南省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’, ‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘P’,‘Q’,‘R’,‘S’,‘O’},c表示由“藏”映射得到的西藏自治 区发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘O’},c表示由“陕”映 射得到陕西省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘V’,‘O’}, c表示由“甘”映射得到的甘肃省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’, ‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘P’,‘O’},c表示由“青”映射得到的青海省发牌机关代号集合, c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘O’},c表示由“宁”映射得到的宁夏回族自治区 发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘O’},c表示由“新”映射得到的新疆维 吾尔自治区发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘P’, ‘Q’,‘R’,‘O’}。

Claims (2)

1.一种车牌识别结果智能纠正方法,其特征在于,包括如下步骤:
步骤1:构建31个省、自治区、直辖市汉字简称与发牌机关代号的映射表C;构建车牌字符集合P={ai|i=1,2,…,n,n=36}={‘0’,‘1’,‘2’,‘3’,‘4’,‘5’,‘6’,‘7’,‘8’,‘9’,‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘I’,‘J’,‘K’,‘L’,‘M’,‘N’,‘O’,‘P’,‘Q’,‘R’,‘S’,‘T’,‘U’,‘V’,‘W’,‘X’,‘Y’,‘Z’},n表示集合P中字符的数量;
步骤2:取m张车牌图像,记为I1,I2,…,Im;首先对Ii(i=1,2,…,m)利用自动车牌识别技术,得到对应识别结果Ui(i=1,2,…,m);然后人工对Ii(i=1,2,…,m)进行识别,得到对应识别结果Vi(i=1,2,…,m);接着逐一比对<Ui,Vi>(i=1,2,…,m),得到Ni,k,其中Ni,k表示字符ai被误识别为字符ak的累计次数,i=1,2,…,n,k=1,2,…,n,ai∈P,ak∈P;最后构建误识别概率矩阵Mn×n
Mn×n=[f(i,k)]n×n (1)
其中,f(i,k)表示字符ai被误识别为字符ak的概率;若i=k,则f(i,k)=0,否则,f(i,k)=Ni,k/S;S表示集合P中所有字符被误识别为其它字符的累计次数总和;
步骤3:根据步骤2得到的误识别矩阵Mn×n,首先统计集合P中所有字母被误识别的概率,得到集合其中,ri表示字符ai被误识别的概率;然后基于集合R,由公式(4)计算误识权重集合W={wi|i=1,2,…,n},其中,wi表示字符ai被误识别的权重;接着,记Yi为对误识别概率矩阵Mn×n第i行按f(i,k)从大到小的顺序重排列后由字符ak构成的集合;最后构建得到易错字纠正映射表Q={qi|i=11,12,…,n},其中,qi由二元组(wi,Xi)构成,wi∈W,Xi=Top(Yi,nT)={xt|t=1,2,…,nT},其中,xt表示集合Xi第t个字符,nT为人工设置的值,Top(Yi,nT)表示集合Yi的前nT个字符构成的子集;
其中,ri∈R,wi∈W;
步骤4:获得一张车牌经自动车牌识别技术识别后的结果字符串L,将L中的字符依次按序加入空集H,得到集合H={hi|i=1,2,3…,nH},其中,nH表示集合H的元素个数,若nH≠7,识别结果不在纠正范围内,执行步骤6;
步骤5:对步骤4得到的车牌字符集合H,根据步骤1得到的映射表C和步骤3得到的纠正表Q进行识别结果纠正,具体步骤为:
步骤5.1:取集合H的前两个字符元素h1和h2,若则执行步骤6;否则,若满足a=h2,则汉字简称与发牌机关代号相匹配,执行步骤5.2;否则,取集合按序遍历集合G,对满足a=g,则将g加入集合G*;若G*≠φ,则用集合G*的第一个字母元素代替h2,然后执行步骤5.2;否则,执行步骤6;其中,表示映射表C中由“h1”映射得到的发牌机关代号集合,表示纠正表Q中由“h2”映射得到的易错字集合;
步骤5.2:取集合H的后五个字符元素h3、h4、h5、h6和h7,若则执行步骤6;否则,若Count(H)≤2,则表明后五位序号符合要求,执行步骤7;若Count(H)>3,则执行步骤6;若Count(H)=3,则符合纠正的条件,首先从集合W中获得h3、h4、h5、h6和h7的误识权重其次,按公式(5)计算hs;然后遍历集合,仅将集合中的数字加入集合B,若B≠φ,则用集合B的第一个数字元素代替hs,执行步骤7;其中Count(H)表示统计集合H中后五位中的属于字母而非数字的元素个数,hs表示h3、h4、h5、h6和h7中误识权重最大的字符,表示纠错表Q中由hs映射得到的易错字集合;
步骤6:纠正失败,算法结束;
步骤7:对步骤5.2得到的集合H,将集合H的字符元素按序串联得到纠正的车牌识别结果字符串L*,算法结束。
2.根据权利要求1所述的一种车牌识别结果智能纠正方法,其特征在于,所述步骤1中构建31个省、自治区、直辖市汉字简称与发牌机关代号的映射表C={c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c,c},其中,c表示由“京”映射得到的北京市发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘I’,‘J’,‘K’,‘L’,‘M’,‘N’,‘O’,‘P’,‘Q’,‘R’,‘S’,‘T’,‘U’,‘V’,‘W’,‘X’,‘Y’,‘Z’},c表示由“津”映射得到的天津市发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘I’,‘J’,‘K’,‘L’,‘M’,‘N’,‘O’,‘P’,‘Q’,‘R’,‘S’,‘T’,‘U’,‘V’,‘W’,‘X’,‘Y’,‘Z’},c表示由“冀”映射得到的河北省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘I’,‘J’,‘R’,‘T’,‘O’},c表示由“晋”映射得到的山西省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘H’,‘J’,‘K’,‘L’,‘M’,‘O’},c表示由“蒙”映射得到的内蒙古自治区发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘O’},c表示由“辽”映射得到的辽宁省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘P’,‘O’},c表示由“吉”映射得到的吉林省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘O’},c表示由“黑”映射得到的黑龙江省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘P’,‘R’,‘O’},c表示由“沪”映射得到的上海市发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘I’,‘J’,‘K’,‘L’,‘M’,‘N’,‘O’,‘P’,‘Q’,‘R’,‘S’,‘T’,‘U’,‘V’,‘W’,‘X’,‘Y’,‘Z’},c表示由“苏”映射得到的江苏省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘O’},c表示由“浙”映射得到的浙江省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘O’},c表示由“皖”映射得到的安徽省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘P’,‘Q’,‘R’,‘S’,‘O’},c表示由“闽”映射得到的福建省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘O’},c表示由“赣”映射得到的江西省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘O’},c表示由“鲁”映射得到的山东省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘P’,‘Q’,‘R’,‘S’,‘U’,‘V’,‘Y’,‘O’},c表示由“豫”映射得到的河南省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘P’,‘Q’,‘R’,‘S’,‘U’,‘O’},c表示由“鄂”映射得到的湖北省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘P’,‘Q’,‘R’,‘S’,‘O’},c表示由“湘”映射得到的湖北省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘S’,‘U’,‘O’},c表示由“粤”映射得到的广东省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘P’,‘Q’,‘R’,‘S’,‘T’,‘U’,‘V’,‘W’,‘X’,‘Y’,‘O’},c表示由“桂”映射得到的广西壮族自治区发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘P’,‘R’,‘O’},c表示由“琼”映射得到的海南省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘O’},c表示由“渝”映射得到的重庆市发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘I’,‘J’,‘K’,‘L’,‘M’,‘N’,‘O’,‘P’,‘Q’,‘R’,‘S’,‘T’,‘U’,‘V’,‘W’,‘X’,‘Y’,‘Z’},c表示由“川”映射得到的四川省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘H’,‘I’,‘J’,‘K’,‘L’,‘M’,‘P’,‘Q’,‘R’,‘S’,‘T’,‘U’,‘V’,‘W’,‘X’,‘Y’,‘Z’,‘O’},c表示由“贵”映射得到的贵州省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘O’},c表示由“云”映射得到的云南省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘P’,‘Q’,‘R’,‘S’,‘O’},c表示由“藏”映射得到的西藏自治区发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘O’},c表示由“陕”映射得到陕西省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘V’,‘O’},c表示由“甘”映射得到的甘肃省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘P’,‘O’},c表示由“青”映射得到的青海省发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘O’},c表示由“宁”映射得到的宁夏回族自治区发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘O’},c表示由“新”映射得到的新疆维吾尔自治区发牌机关代号集合,c={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’,‘J’,‘K’,‘L’,‘M’,‘N’,‘P’,‘Q’,‘R’,‘O’}。
CN201810955797.9A 2018-08-21 2018-08-21 一种车牌识别结果智能纠正方法 Active CN109241959B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810955797.9A CN109241959B (zh) 2018-08-21 2018-08-21 一种车牌识别结果智能纠正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810955797.9A CN109241959B (zh) 2018-08-21 2018-08-21 一种车牌识别结果智能纠正方法

Publications (2)

Publication Number Publication Date
CN109241959A true CN109241959A (zh) 2019-01-18
CN109241959B CN109241959B (zh) 2022-05-06

Family

ID=65071337

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810955797.9A Active CN109241959B (zh) 2018-08-21 2018-08-21 一种车牌识别结果智能纠正方法

Country Status (1)

Country Link
CN (1) CN109241959B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110659632A (zh) * 2019-09-29 2020-01-07 公安部交通管理科学研究所 基于图像块赋值的交通技术监控设备机动车号牌识别性能测试系统及方法
CN111144390A (zh) * 2019-12-20 2020-05-12 武汉瑞纳捷电子技术有限公司 一种车牌识别中漏检字符查找方法、系统及电子设备
CN111260806A (zh) * 2020-01-15 2020-06-09 广东艾科智泊科技股份有限公司 一种路侧停车监测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107273889A (zh) * 2017-04-27 2017-10-20 浙江工业大学 一种基于统计的车牌识别方法
CN108010329A (zh) * 2017-12-19 2018-05-08 张忠义 一种停车场出口车牌识别自动纠错的方法
CN108320582A (zh) * 2018-03-30 2018-07-24 合肥城市泊车投资管理有限公司 一种具备剩余车位统计功能的停车管理系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107273889A (zh) * 2017-04-27 2017-10-20 浙江工业大学 一种基于统计的车牌识别方法
CN108010329A (zh) * 2017-12-19 2018-05-08 张忠义 一种停车场出口车牌识别自动纠错的方法
CN108320582A (zh) * 2018-03-30 2018-07-24 合肥城市泊车投资管理有限公司 一种具备剩余车位统计功能的停车管理系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110659632A (zh) * 2019-09-29 2020-01-07 公安部交通管理科学研究所 基于图像块赋值的交通技术监控设备机动车号牌识别性能测试系统及方法
CN110659632B (zh) * 2019-09-29 2022-08-12 公安部交通管理科学研究所 基于图像块赋值的交通技术监控设备机动车号牌识别性能测试系统及方法
CN111144390A (zh) * 2019-12-20 2020-05-12 武汉瑞纳捷电子技术有限公司 一种车牌识别中漏检字符查找方法、系统及电子设备
CN111144390B (zh) * 2019-12-20 2023-10-27 武汉瑞纳捷半导体有限公司 一种车牌识别中漏检字符查找方法、系统及电子设备
CN111260806A (zh) * 2020-01-15 2020-06-09 广东艾科智泊科技股份有限公司 一种路侧停车监测方法
CN111260806B (zh) * 2020-01-15 2022-04-22 广东艾科智泊科技股份有限公司 一种路侧停车监测方法

Also Published As

Publication number Publication date
CN109241959B (zh) 2022-05-06

Similar Documents

Publication Publication Date Title
Wang et al. Student-teacher feature pyramid matching for anomaly detection
CN109241959A (zh) 一种车牌识别结果智能纠正方法
CN104463195B (zh) 基于模板匹配的印刷体数字识别方法
CN101604381B (zh) 基于多分类支持向量机的车牌字符识别方法
CN104021394B (zh) 基于AdaBoost算法的绝缘子图像识别方法
CN110020651A (zh) 基于深度学习网络的车牌检测定位方法
CN105528595A (zh) 在无人机航拍图像中对输电线路绝缘子的识别定位方法
CN108985348B (zh) 基于卷积神经网络的书法风格识别方法
CN105931253A (zh) 一种基于半监督学习相结合的图像分割方法
CN105117740A (zh) 字体识别方法及装置
CN102509120A (zh) 基于迁移字典学习的高光谱图像的有监督分割方法
CN105447487A (zh) 一种车牌识别系统的评测方法及系统
CN109753969A (zh) 一种基于形状特征和图像分割的绝缘子识别和定位方法
CN105654122A (zh) 基于核函数匹配的空间金字塔物体识别方法
CN104361096A (zh) 一种基于特征富集区域集合的图像检索方法
CN103186762A (zh) 基于surf特征匹配算法的车牌字符识别方法
CN114092815A (zh) 一种大范围光伏发电设施遥感智能提取方法
CN105938547A (zh) 一种纸质水文年鉴数字化方法
CN116258917B (zh) 一种基于tf-idf转移熵的恶意软件分类方法及装置
CN109472257A (zh) 一种字符版面确定方法及装置
CN106909881A (zh) 基于无人机遥感影像提取玉米育种基地垄数的方法及系统
CN108133213A (zh) 一种面向燃气表外壳式摄像的嵌入式数字识别方法
Fang et al. Digital instrument identification based on block feature fusion SSD
CN105989595B (zh) 基于联合字典学习的多时相遥感图像变化检测方法
CN112580505A (zh) 网点开关门状态识别方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant